Локальное обучение нейросетей против обратного распространения ошибки

Автор с математическим бэкграундом исследует альтернативы классическому backpropagation, такие как предиктивное кодирование и правило Хебба, которые позволяют обучать сети на основе локальной информации без глобальных градиентов. Вопрос заключается в практической применимости этих методов: могут ли они превосходить градиентную оптимизацию в условиях вычислительных ограничений или быть более эффективными для задач неконтролируемого обучения и поиска скрытых структур в данных.